การประยุกต์ใช้โครงข่ายประสาทเทียมในการพยากรณ์ค่าความเค็มรายชั่วโมงที่สถานีสูบน้ำดิบสำแล

The application of artificial neural network model for hourly salinity predictioin Sumlae Pumping Station

Name: ชนสรณ์ ลาภนิมิตรชัย

ThaSH: มหาวิทยาลัยเกษตรศาสตร์ -- วิทยานิพนธ์. วศ.ม. (วิศวกรรมทรัพยากรน้ำ) 2564.

Classification :.LCCS: TD313.T48

ThaSH: มหาวิทยาลัยเกษตรศาสตร์. -- สาขาวิศวกรรมทรัพยากรน้ำ -- วิทยานิพนธ์

ThaSH: การรุกล้ำของน้ำเค็ม -- ลุ่มน้ำเจ้าพระยา

ThaSH: ความเค็ม -- พยากรณ์

ThaSH: นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)

Abstract: ในช่วงฤดูแล้งของทุกปี แม่น้ำเจ้าพระยาจะได้รับอิทธิพลของน้ำทะเลหนุนจากปากแม่น้ำเจ้าพระยา ส่งผลกระทบต่อคุณภาพน้ำในพื้นที่จังหวัดกรุงเทพมหานคร ปทุมธานี และพระนครศรีอยุธยา ทำให้ค่าความเค็มในน้ำบางช่วงเวลามีปริมาณสูง ส่งผลต่อการผลิตน้ำประปาเพื่อการอุปโภค-บริโภคของประชาชนในเขตพื้นที่ฝั่งตะวันออกของกรุงเทพมหานคร ในอดีตที่ผ่านมา ที่สถานีสูบน้ำดิบสำแลเกิดเหตุการณ์ที่ค่าความเค็มของน้ำดิบเกินกว่าค่ามาตรฐานที่กำหนดไว้เกิดขึ้นหลายครั้ง เช่น ในปี 2557 ตรวจวัดค่าความเค็มสูงสุดถึง 1.92 กรัมต่อลิตร เกินค่ามาตรฐานความเค็มน้ำดิบสำหรับผลิตน้ำประปาที่ต้องต่ำกว่า 0.25 กรัมต่อลิตร ส่งผลให้การประปานครหลวงไม่สามารถรับน้ำดิบไปผลิตเป็นน้ำประปาเพื่อใช้อุปโภค-บริโภคได้ในบางช่วงเวลา การศึกษานี้มีวัตถุประสงค์เพื่อพยากรณ์ค่าความเค็มรายชั่วโมงที่สถานีสูบน้ำดิบสำแลโดยใช้ข้อมูลระดับน้ำรายชั่วโมงของสถานีวัดระดับน้ำสถานี C.35 ในแม่น้ำเจ้าพระยา สถานี S.5 ในแม่น้ำป่าสัก และระดับน้ำด้านท้ายน้ำที่สถานีป้อมพระจุลจอมเกล้า ด้วยแบบจำลองโครงข่ายประสาทเทียม ผลการศึกษาพบว่า ความสัมพันธ์ของข้อมูลระดับน้ำรายชั่วโมงที่สถานี C.35 ที่เวลาย้อนหลัง 8 ชั่วโมง ระดับน้ำที่สถานี S.5 ที่เวลาย้อนหลัง 12 ชั่วโมง และระดับน้ำที่สถานีป้อมพระจุลจอมเกล้า ที่เวลาย้อนหลัง 16 ชั่วโมง ให้ความแม่นยำในการทำนายความเค็มที่สถานีสูบน้ำดิบสำแลได้ดีที่สุด โดยมีค่าสัมประสิทธิ์สหสัมพันธ์ (R) ของการเรียนรู้ การตรวจสอบ และการทดสอบของแบบจำลองโครงข่ายประสาทเทียมเท่ากับ 0.96, 0.88 และ 0.80 ตามลำดับ จากนั้นได้นำแบบจำลองที่ได้ไปพยากรณ์ค่าความเค็มรายชั่วโมงที่สถานีสูบน้ำดิบสำแลในปี 2559 พบว่า แบบจำลองสามารถพยากรณ์ค่าความเค็มรายชั่วโมงที่สถานีสูบน้ำดิบสำแลในช่วงเวลาที่ได้รับอิทธิพลน้ำทะเลขึ้นได้ดีที่สุด โดยมีความคลาดเคลื่อนเฉลี่ย 0.0692 กรัมต่อลิตร The lower Chao Phraya River is affected by the tidal from estuary in dry season every year. Affecting to water quality in Bangkok, Pratumthani and Ayutthaya province. The salinity of water exceeds the standard for producing tap water affecting the water supply for consumption of residents in the eastern part of Bangkok. In the past, at Sumlae Pumping Station there was an incidence that the salinity of raw water exceeded the standard value several times. For example, the maximum salinity measurement in 2014 was 1.92 g/l which exceed the standard salinity of raw water (must not exceed 0.25 g/l). As a result, the Metropolitan Waterworks Authority lacked of raw water for tap water production at certain times. The objective of this study is to predict hourly salinity levels at Sumlae Pumping Stations using hourly water level data of water level measurement station C.35 in the Chao Phraya River, station S.5 in Pasak River and the downstream water level at Phra Chunlachomklao Fort Station by using artificial neural networks model. The study results showed that the satisfied salinity predictions at Sumlae Pumping Stations relate to water level at station C.35 (with 8-hour lag time), the water level at station S.5 (with 12-hour lag time) and water level at Phra Chunlachomklao Fort Station (with 16-hour lag time) which presented the correlation coefficient (R) of training, validation and test of the artificial neural network model at 0.96, 0.88 and 0.80 respectively. The proposed model is used to predict salinity at Sumlae Pumping Stations. It is found that the model is best predicted the hourly salinity levels during high tidal effect at Sumlae Pumping Stations in 2016 with an average discrepancy of 0.0692 grams per liter

มหาวิทยาลัยเกษตรศาสตร์. สำนักหอสมุด

Address: กรุงเทพมหานคร

Email: tdckulib@ku.ac.th

Name: วรรณดี ไทยสยาม

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์หลัก

Name: จิระวัฒน์ กณะสุต

Created: 2564

Modified: 2568-07-23

Issued: 2568-07-23

วิทยานิพนธ์/Thesis

วิทยานิพนธ์/Thesis

application/pdf

URL: https://www.lib.ku.ac.th/KUthesis/2564/chanasorn-lap-all.pdf

CallNumber: TD313.T48 .ช15

tha

Spatial: ลุ่มน้ำเจ้าพระยา

DegreeName: วิศวกรรมศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมทรัพยากรน้ำ

Grantor: มหาวิทยาลัยเกษตรศาสตร์

©copyrights มหาวิทยาลัยเกษตรศาสตร์

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	chanasorn-lap-all.pdf	4.3 MB

ใช้เวลา

0.04174 วินาที